Burg法AR谱估计图像滤波分析与实现

首先分析现代谱估计的参数模型方法、AR谱估计模型方法和Burg法AR模型参数提取方法,然后用VisualStudioC#.NET编程实现Burg法AR谱估计图像滤波,最后提供滤波前后对照图并对结果进行讨论.     

AR模型功率谱估计常用算法的性能比较

功率谱估计是分析随机信号的一种重要方法.通过分析AR模型功率谱估计,介绍AR模型参数提取的L-D算法、Burg算法和Marple算法,并利用计算机仿真比较三者的性能.     

利用现代谱估计技术估计SAR多普勒中心频率

多普勒中心频率是合成孔径雷达（SAR）成像过程中的重要参数之一.根据SAR信号的特点和估计多普勒中心频率这个信号处理任务,将两种现代谱估计技术AR模型法和TLS-ESPRIT法用于SAR实测数据多普勒中心频率的估计.结果表明,AR模型法与经典方法相关函数法等价,并与TLS-ESPRIT法的估计结果相近,成功用于实测数据成像表明该思路有效.     

改进的AR模型谱估计法提取载波频率

介绍了一种利用改进的现代谱估计方法来估计通信信号载波频率的算法 .把载波的提取看成受到干扰的正弦信号的频率估计 .首先对通信信号进行AR建模 ,求出AR模型表达式的零极点 ,再考虑这些零极点的频率响应 ,去掉那些对频率精度影响较大的零极点 ,这样就可以提高谱估计方法的精度     

基于对称矩阵分解理论的AR模型参数算法

在分析AR模型的Y u le-W a lker方程和对称矩阵分解理论的基础上,提出基于对称矩阵分解理论的AM模型算法.该算法研究有关AR模型阶数p的选择,讨论AR模型的其它求法.仿真结果表明,改进算法的AR参数能有效提高频谱分辨率、改善方差性能、提高频谱估计的精度.     

电磁法检测漩涡频率的涡街流量计

传统的涡街流量计对管径雷诺数R_eD<10⁴时的流量不能测量,且仪表的耐震性差,遇到安装地点震动或管道振动的场合,则测量结果经常失真,不能保证准确性,并且仪表的安装条件苛刻。文中介绍了基于电磁检测法的电磁涡街流量计的原理、设计及如何克服上述缺点的举措。     

基于MSP430的智能就地显示涡街流量计

该系统是以MSP430F247单片机为核心。涡街流量计传感器输出信号经放大滤波后输入比较电路,得到脉冲信号,单片机对此脉冲信号进行测频,得到相应流体的瞬时流量,并将其显示。该系统功耗低,可以直接由两节干电池供电运行,还有节电和自检功能。     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

基于Modbus协议的网络化涡街流量计智能监控系统的实现

介绍了一种新型的网络化涡街流量计智能监控系统的实现过程,和涡街流量计的二次仪表的开发过程,探讨了以MSP430单片机作为现场数据处理核心器件的智能型涡街流量计的软硬件的设计方法,该方法改进了传统的涡街流量计的功耗大的缺点。把Modbus协议嵌入在涡街流量计的单片机处理系统中,设计了基于Modbus协议实现上位机与现场智能仪表之间数据传输的监控系统的组成与结构,开发了上位机的组态软件。这种网络化智能监控系统解决了不能实时监控的缺点,可广泛的运用于任何智能仪表。     

基于AR模型的汽车舒适性频域统计算法

在八自由度整车振动模型的基础上提出了汽车舒适性的一种统计算法,该算法在频域上利用AR模型离散生成随机路面输入,通过数值求解动力学方程并运用统计方法来确定有关指标,算法考虑了悬架阻尼的变化情况,更为符合实际工况。 文中的算例验证了算法的有效性。     

一种基于迭代的频偏估计算法

针对无线数字通信中的载波频率同步问题,提出一种载波频偏估计算法。利用离散傅里叶变换(DFT)内插技术,通过迭代算法,在较大频偏范围内估计出载波频偏。并且在估计精度上相对于DFT法有了很大的提高。这种算法不需要增加DFT数据长度,适合突发工作方式。最后进行了Monte Carlo仿真实验。仿真结果表明新算法不仅具有宽的估计范围,还具有高的估计精度。     

AR模型参数的抗差估计研究

实时校正一般以实测洪水流量为校正依据.研究实测洪水流量过程出现异常值时,采用抗差递推最小二乘法代替传统递推最小二乘法估计AR模型参数,能获得更稳健的参数结果.将闽江七里街流域的洪水资料人工生成异常值,对采用抗差递推最小二乘法和传统递推最小二乘法所得的校正结果进行比较,结果表明抗差递推最小二乘法具有更强的容差能力,是一种稳健的参数估计方法.     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

基于AR信号处理和KII模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法．将传感器信号分为：上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征．在电子鼻的模式识别算法上,利用KII模型对气味信号进行分类．该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KII模型在模式识别方面的优越性．仿真将该方法与BP网络、AR—BP算法及单KII网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KII建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率．     

基于AR信号处理和KⅡ模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法.将传感器信号分为:上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征.在电子鼻的模式识别算法上,利用KⅡ模型对气味信号进行分类.该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KⅡ模型在模式识别方面的优越性.仿真将该方法与BP网络、AR_BP算法及单KⅡ网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KⅡ建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率.     

基于自适应频率选择的鲁棒时延估计算法

为了增强相位变换加权广义互相关方法(GCC-PHAT)这一常用时延估计方法对噪声的鲁棒性,提出了一种基于频率自适应选择的改进算法.该算法利用较短的语音数据(32ms)估计出每个频率的协方差矩阵,从而计算出每个频率的信噪比(SNR),然后自适应地选择SNR较大的频率用于时延估计.仿真实验结果表明,不论是在中等混响(混响时间T60=0.3s)还是在强混响(T60=0.6s)条件下,相对于GCC-PHAT方法,该算法对噪声的鲁棒性更强.     

频率估计的多段差频正弦信号加权融合算法

针对多段差频正弦信号,提出一种基于加权融合的频率估计算法,用以提高低信噪比条件下短时正弦信号的频率估计精度,扩展多段信号融合法的适用范围。为消除各段信号频率不等对频谱分析的影响,根据各段信号间频率差生成差频修正矩阵,对多段差频正弦信号频谱进行同频化处理;为消除各段信号相位不连续对频谱分析的影响,构造具有相位连续特性和降噪特性的加权因子,对同频化的多段差频正弦信号频谱进行加权融合,得到最优加权融合频谱;最后,谱峰搜索最优加权融合频谱,实现高精度频率估计.仿真实验表明,与现有算法相比本文算法估计精度高、抗噪性好、普适性好,特别在低信噪比、短时时宽下性能优良.     

AR双谱估计的Matlab实现

根据AR双谱估计的基本原理,对其Matlab实现方法进行研究,给出了AR模型双谱估计的Matlab实现,最后给出一个仿真测试实例,仿真结果表明了该方法的有效性.     

基于多项式模型和卡尔曼滤波器的正交频分复用自适应信道估计算法

在正交频分复用(OFDM)系统中,为了准确地检测接收信号并实现解调,必须对信道的传输函数进行准确估计.本文提出了一种适用于OFDM通信系统,基于二阶多项式模型和卡尔曼滤波器(Kalman filter)的自适应信道估计算法.利用二阶多项式模型对无线时变信道进行建模,通过合理安排插入导频结构,使用块状导频,可以使得原本二维的时频多项式模型减少到一维,降低信道估计算法的复杂度.同时,在多项式模型的基础上,将时变无线信道等效为一autoregressive(AR)过程,从而建立起卡尔曼滤波器的过程方程与测量方程,通过卡尔曼滤波器的递推公式,即可实现对多项式模型参数的自适应估计.本文提出的算法可以仅使用最少的导频(即与多项式模型参数相同个数的导频)实现准确的信道估计.由于每次所需导频个数的减少,接收端所需存储的未解调信号的数量也随之降低,大幅减少了接收端所需的存储空间.计算机仿真证明,与线性插值算法和基于二阶多项式模型算法的信道估计相比,在相同输入信噪比和归一化多普勒频移条件下,本文提出的算法具有较低的误码率.     

多目标云分布估计算法

为增强多目标分布估计算法(MEDA)的局部搜索能力,将云模型引入到多目标分布估计算法中,提出一种多目标云分布估计算法(CMEDA).该算法一方面利用分布估计的采样操作对进化种群进行搜索,另一方面利用云滴具有随机性、稳定倾向性等特点,进行外部档案搜索,实现群体间信息交换,从而提高多目标分布估计算法的全局搜索能力.数值实验选取6个常用测试函数,并与NSGA-Ⅱ和MEDA算法进行比较,结果表明,CMEDA算法在收敛性和多样性两方面都有较好的性能.